通过NAS使用光滑的单射增强预测器提高可路由性
机器学习
2024-11-22 v1
摘要
在现代EDA工具中， routability 优化从机器学习(ML)模型中获益颇丰。构建和优化ML模型的性能持续存在挑战。神经网络搜索(NAS)作为辅助构建和改进这些模型的工具。传统的NAS技术在 routability 预测方面表现不佳，主要归因于两个因素。首先，训练目标与搜索目标之间的分离为NAS过程引入噪声。其次，搜索目标的增加方差进一步复杂化了NAS的执行。我们构思了一种新颖的NAS技术，称为SOAP-NAS，通过新颖的数据增强技术和单射与预测器基于NAS的新组合来解决这些挑战。结果表明，我们的技术在DRC热点检测中相对于现有解决方案实现了40%接近理想性能(以ROC-AUC衡量)。SOAPNet能够实现ROC-AUC为0.9802，查询时间仅为0.461毫秒。
引用
@article{arxiv.2411.14296,
title = {Improving Routability Prediction via NAS Using a Smooth One-shot Augmented Predictor},
author = {Arjun Sridhar and Chen-Chia Chang and Junyao Zhang and Yiran Chen},
journal= {arXiv preprint arXiv:2411.14296},
year = {2024}
}